suku bunga SBI turun sebesar 1, maka IHSG di Bursa Efek Indonesia akan naik sebesar 0,932.
Sebelum penulis melakukan analisis regresi, penulis melakukan pengujian asumsi klasik. Pengujian asumsi klasik dilakukan untuk mendapatkan hasil
penelitian yang BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan tidak bias.
2. Uji Asumsi Klasik
Kriteria persyaratan asumsi klasik yang harus dipenuhi, yaitu sebagai berikut :
a Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya berdistribusi
normal atau tidak. Model yang paling baik hendaknya datanya berdistribusi normal atau mendekati normal.
Nilai tukar, inflasi, suku bunga SBI dan Pergerakan IHSG atau keduanya berdistribusi normal atau tidak, dapat diketahui dengan cara melakukan Uji
Kolmogrov Smirnov sebagai berikut:
Tabel 4.7 Hasil Uji Kolmogrov Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 48
Normal Parameters
a
Mean .0000000
Std. Deviation .06271071
Most Extreme Differences Absolute
.078 Positive
.052 Negative
-.078 Kolmogorov-Smirnov Z
.539 Asymp. Sig. 2-tailed
.933 a. Test distribution is Normal.
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16 06032010
Menurut Umar, 2008:181 bahwa, apabila pada hasil Uji Kolmogrov Smirnov, nilai Asymp. Sig. 2-tailed lebih besar dari 0,05
5 =
α , tingkat
signifikan maka data berdistribusi normal. Pada Tabel 4.6 dapat dilihat, probabilitas hasil Uji Kolmogrov Smirnov yaitu 0,933 lebih besar dari 0,05.
Sehingga model regresi yang didapat adalah berdistribusi normal. Selain Uji Kolmogrov Smirnov, uji normalitas dapat dilakukan dengan
melihat penyebaran data titik pada sumbu diagonal dari grafik Normal P-P Plot of Regression Standardized Residual.
Gambar 4.1 Hasil Uji Normal P-P Plot of Regression Standardized Residual
Universitas Sumatera Utara
Sumber : Hasil Pengolahan SPSS 16 06032010
Berdasarkan Gambar 4.1, dapat diketahui bahwa data berdistribusi normal, karena data menyebar di sekitar garis diagonal. Menurut Umar 2008:181,
bahwa apabila data menyebar di sekitar garis diagonal, maka regresi memenuhi asumsi normalitas.
b Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk mengetahui apakah dalam sebuah model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Analisis ini dilakukan untuk mengetahui apakah terjadi Heterokedastisitas yaitu dengan mengamati Grafik Scatterplot.
Gambar 4.2 Hasil Scatterplot
Sumber : Hasil Pengolahan SPSS 16 06032010
Universitas Sumatera Utara
Berdasarkan Gambar 4.2 yang didapat dari analisis dengan bantuan program Software SPSS Statistic Package for the Social Science 16.00 for Windows,
maka diketahui bahwa model tidak terkena heterokedastisitas karena data penelitian yang berbentuk titik-titik tidak membentuk suatu pola.
Selain analisis grafik Scatterplot, untuk mengetahui ada tidaknya heterokedastisitas dapat diketahui dengan menggunakan Park Test.
Tabel 4.8 Hasil Uji Park
Coefficients
a
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta 1
Constant -6.877
.352 -19.551
.000 INFLASI
.759 2.697
.045 .282
.780 SBI
-1.475 9.707
-.026 -.152
.880 NLI_TUKAR
8.664 11.717
.131 .739
.464 HRG_MNYAK
-3.250 3.822
-.152 -.850
.400 a. Dependent Variable: LnU2i
Sumber : Hasil Pengolahan SPSS 16 06032010
Berdasarkan Tabel 4.8, dapat diketahui bahwa model tidak terkena heterokedastitas karena nilai signifikan Sig. semua variabel lebih besar dari 0,05
5 =
α tingkat signifikan.
c Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi linear terdapat hubungan yang kuat baik positif maupun negatif antardata yang
ada pada variabel-variabel penelitian. Untuk mengetahui apakah model terkena autokorelasi atau tidak, dapat dilakukan dengan melakukan Runs Test.
Universitas Sumatera Utara
Tabel 4.9 Hasil Uji Runs
Runs Test
Unstandardized Residual
Test Value
a
.00253 Cases Test Value
24 Cases = Test Value
24 Total Cases
48 Number of Runs
31 Z
1.605 Asymp. Sig. 2-tailed
.109 a. Median
Sumber : Hasil Pengolahan SPSS 16 06032010
Berdasarkan Tabel 4.9, maka dapat diketahui bahwa nilai probabilitas signifikan 0,109 diatas 0,05
5 =
α tingkat signifikan, maka hipotesis nol
diterima dimana nilai residual random atau tidak terjadi autokorelasi antar residual.
Selain menggunakan Runs Test, autokorelasi dapat dideteksi dengan menggunakan uji Durbin-Watson DW.
Tabel 4.10 Hasil uji Durbin-Watson DW
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .671
a
.451 .400
.06556 2.041
a. Predictors: Constant, Suku_Bunga, Hrg_Minyak_Dunia, Inflasi, Nilai_Tukar b. Dependent Variable: IHSG
Sumber : Hasil Pengolahan SPSS 16 06032010
Pada Tabel 4.10, terlihat bahwa nilai DW sebesar 2,041, dengan jumlah data n= 48 dan jumlah variabel bebas k= 4, maka berdasarkan DW-tabel; du DW batas
atas = 1,528; 4 - du = 4 – 1,528 = 2,472. Karena 1,528 2,041 2,472, maka dapat disimpulkan tidak ada autokorelasi positif atau negatif.
Universitas Sumatera Utara
d Uji Multikolonieritas
Uji multikolonieritas digunakan untuk mengetahui apakah dalam model regresi linear ditemukan adanya korelasi yang tinggi antar variabel bebas.
Untuk mengetahui ada tidaknya gejala multikolineritas dapat dilihat dari besarnya nilai Tolerance dan Variance Inflation Factor VIF pada Tabel 4.11
Tabel 4.11 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
.006 .010
.574 .569
Hrg_Minyak_Dunia .149
.111 .183
1.345 .186
.687 1.455 Nilai_Tukar
-.615 .339
-.246 -1.816 .076
.698 1.432 Inflasi
-.017 .078
-.026 -.215
.831 .849 1.178
Suku_Bunga -.932
.281 -.430 -3.320
.002 .760 1.315
a. Dependent Variable: IHSG
Sumber : Hasil Pengolahan SPSS 16 06032010
Berdasarkan Tabel 4.11, dapat diketahui bahwa model tidak terdapat masalah multikolonieritas, karena pada semua variabel, nilai Tolerance 0.1 dan
Variance Inflation Factor VIF 5.
3. Pengujian Hipotesis a. Uji Simultan Uji-F